基于新型混合SVC算法的雷达辐射源信号识别  

作　　者：利稷夫[1] 徐丽[1] 薛飞[1] 

机构地区：[1]西南交通大学电气工程学院,四川成都610031

出　　处：《电子元器件应用》2010年第2期69-72,共4页Electronic Component & Device Applications

摘　　要：无监督学习方法能够对雷达辐射源信号进行有效的识别,支持向量聚类(Support Vector Clustering,SVC)算法是一种基于支持向量机的无监督聚类方法。SVC不仅时间复杂度高,而且在处理分布复杂、不均匀样本时,识别率较低。文章结合模糊C-均值算法与SVC算法的优点,提出了一种新的混合模糊C-均值法和SVC算法的无监督聚类方法。此方法用模糊C-均值聚类算法对数据样本作初步地线性划分,以将原数据样本划分成若干子样本。再用SVC算法分别对这些子样本进一步划分,再由模糊C-均值聚类法将二次规划问题分解,因而大大减少了SVC的计算量,降低了时间消耗。相对于原数据样本,子样本的分布较为简单、均匀,容易找到更为合适的SVC参数值。对雷达辐射源信号进行聚类分析的实验结果表明,此方法处理速度较快,具有较高的识别率。

关 键 词：模糊C-均值聚类算法 支持向量聚类 无监督聚类 雷达辐射源 识别率 

分 类 号：TN95[电子电信—信号与信息处理] TP311.13[电子电信—信息与通信工程]